Python效能優化小建議

1. 盡量使用區域性變數

python 檢索區域性變數比檢索全域性變數快. 這意味著，盡量避免 "global" 關鍵字.

2. 盡量使用 "in"

使用 "in" 關鍵字. 簡潔而快速.

for key in sequence:

print key

3. 當有大量字串連續相加時使用string的join()方法而不是使用「+」號

對於字串相加操作較少的時候，使用「+」是最快的，但當連續相加超過一定的界限時，則使用join()是一種比較快的方式。這是因為

使用 + 連線兩個字串時會生成乙個新的字串，生成新的字串就需要重新申請記憶體，當連續相加的字串很多時(a+b+c+d+e+f+...) ，效率低下就是必然的了。對於這種連加操作可以用列表實現:str = ''.jon(a,b,c,d,e,f,...) 以提高效率,這樣只會有一次記憶體的申請。

4. 為無限迴圈使用 "while 1"

在python2中，true和false不是關鍵字，可以對其進行任意賦值，所以python直譯器就得再程式執行時每次都要對其值進行檢查，而對於1，程式則不會檢查，所以更快。

5. 使用xrange()處理長序列：

因為xrange()在序列中每次呼叫只產生乙個整數元素。而相反 range()，它將直接給你乙個完整的元素列表，用於迴圈時會有不必要的開銷。

例如如下**片：

n=range(10)
print n
print type(n)

結果如下：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

再考慮如下**片：

n=xrange(10)
print n
print type(n)

結果如下：

xrange(10)

所以使用range()，生成的是乙個完整的list物件；使用xrange，生成的是xrange的乙個迭代物件，生成器，更省記憶體。當然，如果需要生成的列表項很少，最好還是使用range()。

6. 使用dict 和 set 測試成員：

檢查乙個元素是在dicitonary或set是否存在這在python中非常快的。這是因為dict和set使用雜湊表來實現。查詢效率可以達到o(1)。因此，如果您需要經常檢查成員，使用 set 或 dict做為你的容器.

使用第三方包

有很多為python設計的高效能的第三方庫和工具. 下面是一些有用的加速包的簡短列表.

1. numpy

: 乙個開源的相當於matlab的包

2. scipy

: 另乙個數值處理庫

3. gpulib

: 使用gpus加速**

4. pypy

: 使用 just-in-time 編譯器優化python**

5. cython

: 將python優碼轉成c